에이전트 논리(agentive logic)는 행동의 논리 또는 행위 주체성의 논리라고도 불리며, 철학적 논리학과 컴퓨터 과학의 논리학의 한 분야로, 에이전트, 그들의 행동, 그리고 그들의 능력에 대한 형식적 표현을 연구한다. 좁은 의미에서, 에이전트 논리는 기본 연산자가 에이전트가 어떤 일을 한다, 어떤 일을 할 수 있다, 또는 어떤 일이 사실임을 확인한다는 것을 표현하는 형식 체계이다. 이러한 논리들은 에이전트와 행동에 따라 색인된 양상 연산자를 추가하여 양상 논리를 일반화하며, 에이전트가 무엇을 달성할 수 있는지, 그들의 선택이 어떻게 상호작용하는지, 그리고 그들이 무엇을 초래하는지에 대한 정밀한 추론을 가능하게 한다.
이 분야는 중세 철학과 현대 논리학에 뿌리를 두고 있으며, 인공지능, 프로그램 검증, 그리고 자연 언어의 의미론과 같은 영역의 중심이 되었다. 에이전트 논리는 지능형 에이전트, 계획 시스템, 그리고 다중 에이전트 상호작용을 모델링하기 위한 엄격한 프레임워크를 제공하며, 컴퓨팅의 이론적 및 응용 작업 모두에 필수적이다.
용어 및 범위
형용사 "agentive"는 라틴어 agens("행동하는 자")에서 유래했으며, 원래 동사의 문법적 행위자를 가리켰다. 논리적 맥락에서, 그것은 주된 논항 위치가 명제만이 아니라 에이전트인 연산자 또는 술어를 지정하며, 예를 들어 \(A_i\varphi\)("에이전트 \(i\)가 \(\varphi\)를 한다") 또는 \(C_i\varphi\)("에이전트 \(i\)가 \(\varphi\)를 초래할 수 있다")와 같다.
현대 문헌에서, 에이전트 논리는 때때로 성 안셀름의 facere("행하다")에 대한 양상적 설명의 형식적 재구성을 위해 좁게 사용된다. 더 넓게는, 이 용어는 행동의 논리 또는 행위 주체성의 논리와 상호 교환적으로 사용되어 행동과 선택의 구조를 포착하도록 설계된 양상 및 동적 논리 계열을 포괄한다. 이 더 넓은 용법은 철학, 언어학, 그리고 컴퓨터 과학에서 개발된 체계들을 포함하며, 모두 에이전트를 논리적 형식의 명시적 요소로 삼는 데 초점을 맞춘다.
역사적 배경
중세 및 근대 초기 뿌리
중세 논리학자들은 이미 행동의 양상과 가능성 및 필연성과 같은 알레틱 양상 사이의 유사성을 탐구했으며, 특히 의무와 권력에 대한 논의에서 그러했다. 영향력 있는 초기 에이전트 분석은 성 안셀름(11세기)에 의한 것으로, "\(\varphi\)를 행함"을 명제에 대한 일종의 양상 연산자로 취급하여 이후의 행위 주체성의 양상 논리를 예고했다. 안셀름 이론의 현대적 재구성은 결과적인 에이전트 논리가 이웃 의미론으로 모델링될 수 있고 인식 가능한 대립의 사각형을 충족한다는 것을 보여준다.
현대 행동 논리
행동 논리의 현대적 연구는 20세기 중반에 시작되었으며, 의무 논리와 시제 논리의 발전과 병행했다. 초기 체계는 게오르크 헨리크 폰 라이트, 스티그 캉거 등에 의해 제안되었으며, 종종 규범과 책임에 대한 질문에 동기부여되었다. 1960년대부터 두 개의 대체로 독립적이지만 결국 수렴하는 전통이 등장했다: 가능한 미래들 사이에서 에이전트의 선택을 강조하는 STIT 논리로 절정에 달한 분기 시간 전통, 그리고 프로그램 실행에 대해 추론하기 위해 컴퓨터 과학 내에서 개발된 프로그램과 행동의 동적 논리들.
1990년대와 2000년대에, 행동 논리는 지식 표현, 계획, 그리고 AI의 다중 에이전트 시스템, 그리고 언어학의 동적 및 갱신 의미론과 관련하여 더욱 발전했다. 이러한 발전은 철학, 이론 컴퓨터 과학, 그리고 AI의 통찰을 통합하여 풍부한 학제 간 분야를 창조했다.
핵심 개념
다양성에도 불구하고, 대부분의 에이전트 논리는 몇 가지 일반적인 주제를 공유한다. 에이전트는 \([i\ {\sf does}]\varphi\) 또는 \(C_i\varphi\)에서와 같이 양상 연산자의 명시적 지수로 취급된다. 행동은 접근성 관계를 따라 가능한 세계들 사이의 변화를 통해 암시적으로, 또는 기본 및 복합 행동을 나타내는 항으로서 명시적으로 표현된다. 선택과 능력은 에이전트가 무엇을 보장할 수 있는지를 설명하는 양상에 의해 포착되며, 일반적으로 환경과 다른 에이전트에 대한 가정에 상대적이다.
합성 아래의 폐쇄성, 다른 에이전트들 사이의 상호작용, 그리고 의무(에이전트가 해야 하는 것)와 지식(에이전트가 어떻게 하는지를 아는 것)과의 연결과 같은 형식적 속성이 조사된다. 이러한 핵심 개념은 서로 다른 체계를 비교하고 실제 문제에 적용하기 위한 공통 프레임워크를 제공한다.
STIT 논리
STIT("sees to it that") 논리는 누엘 벨냅과 협력자들의 작업에서 기원하여, 분기 시간 프레임워크에서 행위 주체성을 취급한다. STIT 모델은 트리와 같은 구조를 가진 부분적으로 정렬된 순간들의 집합, 역사들의 집합(트리를 통한 최대 가지), 그리고 각 순간의 각 에이전트에 대해 그 순간을 통한 역사들의 분할로 구성되며, 이는 에이전트에게 이용 가능한 선택을 나타낸다.
직관적으로, 순간에서 에이전트의 행동은 역사들의 어떤 동치 클래스(선택 셀)가 실제가 되는지를 결정한다; 공식 \([i\ {\sf stit}:\varphi]\)는 에이전트의 현재 행동에 해당하는 선택 셀의 모든 역사에서 \(\varphi\)가 성립한다면 역사-순간 쌍에서 참이다. 서로 다른 STIT 연산자가 구별되었으며, 특히 종종 \([i\ {\sf cstit}:\varphi]\)로 쓰이는 첼라스 STIT 연산자와, 에이전트의 선택이 \(\varphi\)의 진리값에 차이를 만든다는 조건을 추가하는 심의적 STIT 연산자가 있다. 이러한 연산자는 개인 및 집단 행위 주체성에 대한 정밀한 추론을 가능하게 하며, 에이전트가 함께 행동하거나 한 에이전트의 행동이 다른 에이전트의 행동을 배제하는 경우를 포함한다.
STIT 논리는 의무 추론, 게임 이론, 그리고 책임과 인과의 분석에 적용되었다. 그것들은 동적 환경에서 선택과 능력을 모델링하기 위한 견고한 프레임워크를 제공하며, AI의 다중 에이전트 시스템에 대한 연구에 영향을 미쳤다.
행동의 동적 논리
1970년대부터 컴퓨터 과학에서 개발된 동적 논리는 행동을 프로그램으로 표현하며, 양상 \([\alpha]\varphi\)와 \(\langle\alpha\rangle\varphi\)를 가지며, 대략 행동 \(\alpha\)의 모든(각각, 일부) 실행 후에 \(\varphi\)가 성립한다는 것을 의미한다. 이러한 논리는 원래 프로그램 검증을 위해 설계되었으며, 상태에 대한 프로그램 실행의 효과에 대해 추론할 수 있게 한다.
에이전트 맥락에서, 동적 논리는 합성, 선택, 그리고 반복 연산자를 사용하여 행동을 항으로 명시적으로 모델링하는 데 사용된다. 이것은 행동의 시퀀스, 조건부 행동, 그리고 반복 행동과 같은 복잡한 행동 구조의 표현을 가능하게 한다. 행동의 동적 논리는 계획, 로봇 공학, 그리고 자연 언어의 의미론에 적용되었으며, 여기서 행동 문장과 명령문의 의미를 포착한다.
인공지능에서의 응용
에이전트 논리는 인공지능에서 행동 추론, 계획, 그리고 지능형 에이전트를 위한 형식주의의 기초를 이룬다. 그것들은 에이전트의 지식, 능력, 그리고 목표를 표현하고 행동이 세계를 어떻게 변화시키는지 추론하기 위한 형식적 기반을 제공한다. 계획에서, 에이전트 논리는 행동의 전제 조건과 효과를 지정하는 데 도움을 주며, 대안 계획과 그 결과에 대한 추론을 지원한다.
다중 에이전트 시스템에서, 에이전트 논리는 협력, 경쟁, 그리고 통신을 포함한 에이전트들 사이의 상호작용을 모델링한다. 그것들은 프로토콜을 지정하고, 분산 시스템의 속성을 검증하며, 전략적 행동을 분석하는 데 사용된다. 대규모 언어 모델 및 기타 기계 학습 시스템의 개발은 또한 연구자들이 자신의 행동과 다른 사람의 행동에 대해 추론할 수 있는 에이전트를 구축하려고 함에 따라 에이전트 개념을 활용했다.
다른 논리와의 관계
에이전트 논리는 양상 논리, 의무 논리, 그리고 시간 논리와 밀접하게 관련되어 있다. 그것들은 에이전트 색인 양상 연산자를 추가하여 양상 논리를 확장하며, 시간에 따른 변화를 표현하기 위해 종종 시간 연산자를 통합한다. 의무와 허가에 대해 추론하는 의무 논리는 에이전트 논리와 결합되어 에이전트가 해야 하거나 허용되는 것을 표현할 수 있다. 선형 시간 논리 및 계산 트리 논리와 같은 시간 논리는 행동의 시퀀스와 분기 미래에 대해 추론하기 위한 기초를 제공한다.
에이전트 논리와 지식 사이의 연결도 중요하다. 에이전트가 무엇을 아는지에 대해 추론하는 인식 논리는 에이전트 논리와 통합되어 에이전트가 무엇을 하는 방법을 알거나 무엇을 달성할 수 있음을 아는 것을 표현할 수 있다. 이 통합은 에이전트가 자신의 지식과 능력에 대해 추론해야 하는 AI 응용에서 중요하다.
같이 보기
- 양상 논리
- 의무 논리
- 시간 논리
- 다중 에이전트 시스템